被马斯克连续点赞的Kimi，全球寻找7个“不标准”的人

今年的AI圈很热闹。模型一个接一个发，榜单不断刷新，几家头部公司之间的人才竞争也越来越激烈。

但比起“抢人”本身，更有意思的是，它们找人的标准也开始变得“反常规”。

DeepSeek推出「青云计划」，比起一张四平八稳的简历，更想找到真正做过难题、钻得足够深的人；字节Seed也在年轻人才身上持续加码，从大模型研究到多模态、Agent，把不少重要位置直接开放给应届生和实习生。

以及昨天刚刚发布了新一轮全球招聘的Kimi ，它列出的几条标准更特别：愿意为一个想法迭代100轮，品鉴过1000个产品和作品，在一个领域投入10000小时。甚至还设置了7个没有标准岗位定义的名额——「Wild Card」。

这种“不太按常规来”的招聘方式，放在Kimi好像也不算意外：

成立仅3年，团队规模约300人，平均年龄不到30岁。K3发布后迅速进入全球AI圈的讨论中心，马斯克评价“Impressive”，海外开发者和科技公司也开始密集讨论这家来自中国的AI公司。

现在轮到招人，Kimi依然没有只列学校、专业、工作年限这些常见条件，而是把100、1000、10000写进招聘标准，也把一句话放在了很显眼的位置：“做自己就是最伟大的成就。”

这些招聘，放在今年每个人都想挤进去的AI人才竞争里，值得聊一聊。

01当所有人都开始厌倦

“标准答案”

今天从年轻人到中年人，其实都不缺“标准答案”。

读什么学校，选什么专业，去哪家公司实习，毕业后进什么行业；工作几年以后，又该在什么节点升职、跳槽、读 MBA、进入管理层。

互联网把别人的人生摊开给所有人看，我们已经太擅长总结一条“成功路径”了。

问题是，当所有人都开始抄同一份答案，这份答案本身的价值也就越来越低。

尤其到了AI时代。

写一份行业分析、整理一套方案、生成一段代码，甚至快速学习一个陌生领域，门槛都在下降。

那些最容易被总结成方法论、写进教程、复制给下一个人的经验，也恰恰最容易被AI学走。

反过来，那些“不标准”的东西开始变得更有意思。

一个突然冒出来、自己都还没完全想明白的念头；一段看似绕远、后来却改变了你判断方式的经历；或者把一个领域里学到的东西，突然带进另一个完全陌生的世界。这些经验很难被写成标准答案，也很难原封不动地复制给另一个人。

类似的故事，其实并不少见。

知名协作平台Slack的创始人Stewart Butterfield学的是哲学。

他连续做过两次没有成功的游戏创业。第二次创业失败后，团队准备关掉公司，却发现为了开发游戏而做的内部沟通工具，比游戏本身更有价值。

那个原本不起眼的“副产品”，后来成了 Slack。

Airbnb创始人Brian Chesky学的是工业设计。

公司最困难的时候，账户里的钱几乎烧光，他和合伙人甚至靠设计、出售美国总统大选主题的麦片盒筹钱。

后来，也是这个学设计的人，重新设计了陌生人之间分享住所、建立信任的方式。

如果只按照专业、岗位和过去的成功经验去匹配，这两份履历其实都有点“不对劲”。

但最后真正产生价值的，偏偏就是这些“不对劲”。

所以问题可能已经不是，要不要走一条标准路线，而是当标准路线越来越拥挤、标准能力越来越容易被复制之后，你身上还有什么东西，是别人抄不走的？

02100、1000、10000

这是Kimi这轮招聘中最显眼的三个数字

100，是迭代。

有一个好想法并不稀缺。

难的是有人会盯着它一直改。第一版不行，就做第二版；第二版不够好，就继续往下推。十次、五十次，甚至一百次。

这背后不只是简单的“努力”，而是一个人有没有耐心不断推翻自己的答案。

留学生其实最熟悉迭代：从刚出国听不懂课，到能做完presentation，背后应该不止一个一百次；从不敢开口，到能独立谈判。只是很多人没把它写进简历。

1000，是审美。

看过1000个产品和作品，当然不意味就能做出第1001个好产品。

但看得足够多、用得足够多、比较得足够多，一个人会慢慢形成一种很难速成的判断：

什么是真的好，什么只是“看起来不错”；什么是新的东西，什么只是把旧东西重新包装了一遍；

AI 可以越来越快地生成答案，但“哪个答案更值得留下”，仍然需要人判断。

10000，是专注。

一个人愿意在哪件事情上花掉超过 10000 小时，往往比一句“我对此很感兴趣”更有说服力。

可能是代码、摄影、设计、游戏，也可以是研究消费品牌、经营社群、做视频，甚至长期研究一个别人根本没听过的小众市场。

真正重要的未必是那件事够不够“主流”。

而是有没有什么东西，让你愿意一直往下挖。

100、1000、10000，这三个数字放在一起，对应了三个今天越来越难被标准化衡量的能力：

把事情做深的耐心，看出好坏的判断，以及对一个问题长期投入的欲望。

03K3之后，Kimi为什么开始找“业务的人”

7 月 17 日，Kimi K3正式发布。

模型发布之后，很快进入全球AI行业的讨论范围。马斯克在X上评价“Impressive”，海外开发者和科技公司也开始密集讨论 Kimi。

但比模型本身更值得注意的，是K3之后Kimi的下一步。

K3 发布后的首次大规模人才招募，重点落在了业务团队。

这其实是一个很明确的信号。

模型只是起点。

当技术能力逐渐成熟，下一道题自然会变成：这么强的模型，怎么进入更多真实场景？怎么被更多人使用？又怎么进一步变成真正的产品和商业价值？

换句话说，K3 之后，Kimi 正在从“证明模型能力”，进一步走向“放大模型价值”。

AI公司的竞争，也早就不只发生在模型层。产品、市场、开发者关系、客户关系和国际化能力，同样决定一家 AI 公司最后能走多远。

所以Kimi这次招聘值得注意的，是它并没有只盯着算法和研发，而是明显加码业务团队。

新一轮全球人才招募覆盖社招、校招和实习。

开放方向包括研发、产品、运营、设计、职能、销售、市场、国际化、管培生，以及一个很特别的分类：“其他”。

社招就更有意思，Kimi面向全球寻找7名「Wild Card」，没有预设一个明确的岗位框架。

过去招聘的逻辑，是先有一个位置，再去寻找最适合坐进这个位置的人。

但Kimi这次直接把顺序倒过来：先找到足够特别的人，再看看他能创造出什么位置。

如果你也觉得

自己不太像一份标准JD里写出来的人

Kimi全球人才招募现已开启

扫码即可投递：